TRABAJO N 01

INTELIGENCIA ARTIFICIAL

ALUMNO: PEDRO ANTONIO DE LAS CASAS ROEDER

SABADO 6 DE JUNIO DEL 2015

INDICE
RESUMEN .................................................................................................................................................... 3
INTRODUCION............................................................................................................................................. 3
1.

INTELIGENCIA ARTIFICIAL ............................................................................................................ 4

1.1

IMPORTANCIA DE LA INTELIGENCIA ARTIFICIAL ...................................................................... 4

1.2.

CARATERISTICAS DE LA INTELIGENCIA ARTIFICIAL ............................................................ 5

1.3 EL ALCANCE DE LA INTELIGENCIA ARTIFICIAL ............................................................................. 6

1.4 IMPORTANCIA DE LA INTELIGENCIA ARTIFICIAL EN LA GERENCIA EMPRESARIAL ................. 6
1.5 LA INTELIGENCIA ARTIFICIAL Y EL ANLISIS DE LA SOLVENCIA EMPRESARIAL ..................... 7
2.

SISTEMAS EXPERTOS .................................................................................................................. 8

FASE 1: DETERMINACIN DEL PROBLEMA ....................................................................................... 10
FASE 2: ADQUISICION DEL CONOCIMIENTO ..................................................................................... 11
Procesos de Adquisicin de Conocimiento .......................................................................................... 11
Esfuerzo del equipo cooperativo .......................................................................................................... 12
Tcnica de entrevista ........................................................................................................................... 12
Anlisis de Conocimiento..................................................................................................................... 12
FASE 3: DISEO .................................................................................................................................... 13
TAREA 1: Seleccionar Tcnica de Representacin del Conocimiento ................................................ 13
TAREA 2: Seleccionar Tcnicas de Control ........................................................................................ 14
TAREA 3: Seleccionar Software para el desarrollo del sistema experto ........................................... 16
TAREA 4: Desarrollo del Prototipo ...................................................................................................... 16
TAREA 5: Desarrollo de la Interfaz ...................................................................................................... 16
TAREA 6: Desarrollo del Producto ...................................................................................................... 17
FASE 4: PRUEBA ................................................................................................................................... 18
Validacin del sistema ......................................................................................................................... 18
Validar los Resultados ......................................................................................................................... 18
FASE 5: DOCUMENTACIN .................................................................................................................. 18
FASE 6: MANTENIMIENTO .................................................................................................................... 19
4.1 Las Redes Neuronales Artificiales ..................................................................................................... 20
4.1.1 La Neurona Artificial.................................................................................................................... 20
4.1.2 Diferencias entre el cerebro y un ordenador ............................................................................... 20
4.1.2 Un superordenador llamado cerebro .......................................................................................... 21

3.

CONCLUSIONES .......................................................................................................................... 23

4.

RECOMENDACIONES .................................................................................................................. 23

5.

BIBLIOGRAFIA .............................................................................................................................. 24
WEB SITES ............................................................................................................................................. 24

El presente artculo est centrado en analizar ms a fondo la inteligencia artificial con sus diferentes
paradigmas, siendo los ms relevantes las redes neuronales, algoritmos genticos, sistemas de lgica
difusa, autmatas programables y sistemas de inteligencia artificial hbridos, con sus diferentes
aplicaciones en la vida cotidiana y especficamente aplicados a las soluciones de problemas relacionados
con la gerencia empresarial.
Se considera que la gerencia empresarial en nuestros das puede estar muy apoyada en las nuevas
tecnologas, como es la inteligencia artificial ya sea como soporte para una toma de decisiones ms eficaz
o en la ayuda de labores, tareas, que exijan gran demanda de tiempo o representen un alto grado de
peligrosidad al ser humano.

La Inteligencia Artificial comenz como el resultado de la investigacin en psicologa cognitiva y lgica

matemtica. Se ha enfocado sobre la explicacin del trabajo mental y construccin de algoritmos de
solucin a problemas de propsito general. Punto de vista que favorece la abstraccin y la generalidad.
La Inteligencia Artificial es una combinacin de la ciencia del computador, fisiologa y filosofa, tan general
y amplio como eso, es que rene varios campos (robtica, sistemas expertos, por ejemplo), todos los
cuales tienen en comn la creacin de mquinas que pueden "pensar".
La idea de construir una mquina que pueda ejecutar tareas percibidas como requerimientos de
inteligencia humana es un atractivo. Las tareas que han sido estudiadas desde este punto de vista
incluyen juegos, traduccin de idiomas, comprensin de idiomas, diagnstico de fallas, robtica,
suministro de asesora experta en diversos temas.
Es as como los sistemas de administracin de base de datos cada vez ms sofisticados, la estructura de
datos y el desarrollo de algoritmos de insercin, borrado y locacin de datos, as como el intento de crear
mquinas capaces de realizar tareas que son pensadas como tpicas del mbito de la inteligencia
humana, acuaron el trmino Inteligencia Artificial en 1956.
Son muchos los estudios y aplicaciones que se han logrado con el desarrollo de esta ciencia , entre las
cuales tenemos redes neuronales aplicadas al control de la calidad donde la red evala si determinado
producto cumple o no con las especificaciones demandadas, control del proceso qumico en el grado de
acidez, algoritmos genticos aplicados al problema cuadrtico de asignacin de facilidades que trata de la
asignacin de N trabajos en M mquinas, los autmatas programables que se usan para la optimizacin
de sistemas de produccin, en fin, todava queda mucho por descubrir con respecto a las aplicaciones de
esta ciencia.

La Inteligencia Artificial

[1]

trata de conseguir que los ordenadores simulen en cierta manera la inteligencia

humana. Se acude a sus tcnicas cuando es necesario incorporar en un sistema informtico,

conocimiento o caractersticas propias del ser humano.
Las definiciones de Inteligencia Artificial han evolucionado tal es as que los autores como Rich & Knight
(1994), Stuart (1996), quienes definen en forma general la IA como la capacidad que tienen las mquinas
para realizar tareas que en el momento son realizadas por seres humanos; otros autores como Nebendah
(1988), Delgado (1998), arrojan definiciones ms completas y las definen cmo el campo de estudio que
se enfoca en la explicacin y emulacin de la conducta inteligente en funcin de procesos
computacionales basadas en la experiencia y el conocimiento continuo del ambiente.
Hay ms autores como Marr (1977), Mompin (1987), Rolston (1992), que en sus definiciones involucran
los trminos de soluciones a problemas muy complejos.
A criterio de los autores las definiciones de Delgado y Nebendan son muy completas, pero sin el apoyo
del juicio formado, emocionalidad del ser humano pueden perder peso dichas soluciones, por eso, hay
que lograr un ambiente sinrgico entre ambas partes para mayor efectividad de soluciones.
[2]

En la actualidad Laundon, K. & Laundon, J (2004), definen a la Inteligencia Artificial como el esfuerzo de
desarrollar sistemas basados en computadora que se pueden comportar como los humanos con la
capacidad de aprender lenguajes naturales, efectuar tareas fsicas coordinadas, utilizar un aparato
perceptor y de emular la experiencia y la toma de decisiones.

1.1 IMPORTANCIA DE LA INTELIGENCIA ARTIFICIAL

A medida que el mundo se vuelve ms complejo, debemos usar nuestros recursos materiales y
humanos con ms eficiencia, y para lograrlo, se necesita la ayuda que nos ofrecen los
computadores.
Existe la falsa impresin de que uno de los objetivos de la inteligencia artificial es sustituir a los
trabajadores humanos y ahorrar dinero. Pero en el mundo de los negocios, la mayora de personas
est ms entusiasmada ante las nuevas oportunidades que ante el abatimiento de costos. Adems,
la tarea de reemplazar totalmente a un trabajador humano abarca de lo difcil a lo imposible, ya que
no se sabe cmo dotar a los sistemas de IA de toda esa capacidad de percibir, razonar y actuar que
tienen las personas. Sin embargo, debido a que los humanos y los sistemas inteligentes tienen
habilidades que se complementan, podran apoyarse y ejecutar acciones conjuntas:
En la agricultura, controlar plagas y manejar cultivos en forma ms eficiente.
En las fbricas, realizar montajes peligrosos y actividades tediosas (labores de inspeccin y
mantenimiento).
En la medicina, ayudar a los mdicos a hacer diagnsticos, supervisar la condicin de los pacientes,
administrar tratamientos y preparar estudios estadsticos.

En el trabajo domstico, brindar asesora acerca de dietas, compras, supervisin y gestin de

consumo energtico y seguridad del hogar.
En las escuelas, apoyar la formacin de los estudiantes, especialmente en aquellas materias
consideradas complejas.
Ayudar a los expertos a resolver difciles problemas de anlisis o a disear nuevos dispositivos.
Aprender de los ejemplos para explorar bases de datos en busca de regularidades explotables.
Proporcionar respuestas a preguntas en lenguaje natural usando datos estructurados y texto libre.
La inteligencia artificial aplicada es la contraparte de ingeniera de la ciencia cognoscitiva y
complementa sus perspectivas tradicionales. La ciencia cognoscitiva es una mezcla de psicologa,
lingstica y filosofa.
La metodologa y terminologa de la inteligencia artificial est todava en vas de desarrollo. La
inteligencia artificial se est dividiendo y encontrando otros campos relacionados: lgica, redes
neuronales, programacin orientada a objetos, lenguajes formales, robtica, etc. Esto explica por qu
el estudio de inteligencia artificial no est confinado a la matemtica, ciencias de la computacin,
ingeniera, o a la ciencia cognoscitiva, sino que cada una de estas disciplinas es un potencial
contribuyente.

1.2.

CARATERISTICAS DE LA INTELIGENCIA ARTIFICIAL

Una caracterstica fundamental que distingue a los mtodos de Inteligencia Artificial de los mtodos
numricos

[3]

es el uso de smbolos no matemticos, aunque no es suficiente para distinguirlo

completamente. Otros tipos de programas como los compiladores

[4]

y sistemas de bases de datos,

tambin procesan smbolos y no se considera que usen tcnicas de Inteligencia Artificial.

[5]

El comportamiento de los programas no es descrito explcitamente por el algoritmo . La secuencia

de pasos seguidos por el programa es influenciado por el problema particular presente. El programa
especifica cmo encontrar la secuencia de pasos necesarios para resolver un problema dado
(programa declarativo). En contraste con los programas que no son de Inteligencia Artificial, que
siguen un algoritmo definido, que especifica, explcitamente, cmo encontrar las variables de salida
para cualquier variable dada de entrada (programa de procedimiento).
[6]

El razonamiento basado en el conocimiento , implica que estos programas incorporan factores y

relaciones del mundo real y del mbito del conocimiento en que ellos operan. Al contrario de los
programas para propsito especfico, como los de contabilidad y clculos cientficos; los programas
de Inteligencia Artificial pueden distinguir entre el programa de razonamiento o motor de inferencia y
base de conocimientos dndole la capacidad de explicar discrepancias entre ellas.
Aplicabilidad a datos y problemas mal estructurados, sin las tcnicas de Inteligencia Artificial los
programas no pueden trabajar con este tipo de problemas. Un ejemplo es la resolucin de conflictos
en tareas orientadas a metas como en planificacin, o el diagnstico de tareas en un sistema del
mundo real: con poca informacin, con una solucin cercana y no necesariamente exacta.

La Inteligencia Artificial incluye varios campos de desarrollo tales como: la robtica, usada
principalmente en el campo industrial; comprensin de lenguajes y traduccin; visin en mquinas
que distinguen formas y que se usan en lneas de ensamblaje; reconocimiento de palabras y
aprendizaje de mquinas; sistemas computacionales expertos.
[7]

Los sistemas expertos , que reproducen el comportamiento humano en un estrecho mbito del
conocimiento, son programas tan variados como los que diagnostican infecciones en la sangre e
indican un tratamiento, los que interpretan datos sismolgicos en exploracin geolgica y los que
configuran complejos equipos de alta tecnologa. Tales tareas reducen costos, reducen riesgos en la
manipulacin humana en reas peligrosas, mejoran el desempeo del personal inexperto, y mejoran
el control de calidad sobre todo en el mbito comercial.

1.3 EL ALCANCE DE LA INTELIGENCIA ARTIFICIAL

Se puede dar una lista de los procesos que generalmente pueden ser llamados inteligencia artificial si
son programados en una computadora.

Solucin de problemas en general

Percepcin

Comprensin del lenguaje natural

Aprendizaje, demostracin de teoremas, juegos

Sistemas Expertos

Lenguaje de la Inteligencia Artificial

Hardware para la Inteligencia Artificial

Robtica

1.4 IMPORTANCIA DE LA INTELIGENCIA ARTIFICIAL EN LA GERENCIA

EMPRESARIAL
En el momento actual la Inteligencia Artificial se aplica a numerosas actividades humanas, y como
lneas de investigacin ms explotadas destacan el razonamiento lgico, la traduccin automtica y
comprensin del lenguaje natural, la robtica, la visin artificial y, especialmente, las tcnicas de
aprendizaje y de ingeniera del conocimiento. Estas dos ltimas ramas son las ms directamente
aplicables al campo de las finanzas pues, desde el punto de vista de los negocios, lo que interesa es
construir sistemas que incorporen conocimiento y, de esta manera, sirvan de ayuda a los procesos
de toma de decisiones en el mbito de la gestin empresarial.
En el mbito especfico del Anlisis Contable, segn Ponte, Sierra, Molina y Bonsn

[8]

(1996) la

Inteligencia Artificial constituye una de las lneas de actuacin futura ms prometedoras, con
posibilidades de aplicacin tanto en el mbito de la investigacin como en el diseo de sistemas de
informacin inteligentes, que no solamente proporcionen datos al decisor sino que recomienden el
mejor curso de actuacin a seguir.
De entre todos los paradigmas y estrategias de la Inteligencia Artificial, actualmente dos tienen el
mayor inters para las aplicaciones en la empresa: los sistemas expertos y las redes neuronales

[9]

artificiales . Estos sistemas se pueden combinar, por lo que una solucin prctica es utilizar
sistemas mixtos que incorporan un mdulo de sistema experto con sus reglas junto a otros mdulos
neuronales y estadsticos.

1.5 LA INTELIGENCIA ARTIFICIAL Y EL ANLISIS DE LA SOLVENCIA

EMPRESARIAL
Segn Altman y Saunders (1998, p. 1722) el anlisis de la solvencia empresarial ha sufrido una gran
evolucin a lo largo de los ltimos 20 aos, debido a factores tales como el aumento en el nmero
de quiebras, la desintermediacin creciente que se observa en los mercados financieros, la
disminucin de los tipos de inters o el desarrollo de nuevos instrumentos financieros. Todo ello ha
impulsado el desarrollo de nuevos y ms sofisticados mtodos de anlisis de la solvencia, y entre
este tipo de sistemas ocupan un papel destacado aquellos que estn basados en tcnicas de
Inteligencia Artificial.
La determinacin de la solvencia futura de una empresa puede ser entendida en la mayora de los
casos como una operacin de clasificacin, es decir, dada una informacin inicial o conjunto de
atributos asociados a una empresa, y extrados en su mayor parte de los estados contables de la
misma, lo que pretende el analista es tomar la decisin de clasificar a esa empresa dentro de una
categora concreta de riesgo financiero, de entre varias posibles
[11]

hizo Simon

[10]

. Aplicando la clsica divisin que

de los procesos de decisin entre estructurados y no estructurados, es claro que esa

decisin es de tipo no estructurado ya que no existe un procedimiento definido para abordarla,

siendo necesario el juicio y la propia evaluacin del decisor. Tal y como sealan diversos autores
Ball y Foster

[12]

, Martn Marn

[13]

, no existe una teora comnmente aceptada que explique el

fenmeno del fracaso empresarial, por lo que a priori no es posible establecer qu variables
financieras ni qu valores en las mismas determinan la futura solvencia o insolvencia de una firma.
Debido a lo anterior, el estudio de la solvencia implica una investigacin selectiva dentro de un
espacio de alternativas inmenso pues, como se ha comentado, no existe un procedimiento que
conduzca de forma inequvoca a la solucin ptima. Por lo tanto, la seleccin ha de estar basada en
reglas prcticas o heursticas

[14]

, debiendo fijarse tambin un criterio de suficiencia para determinar

cuando las soluciones encontradas son satisfactorias. Todo ello concuerda plenamente con el
paradigma de la racionalidad limitada, que gobierna los procesos de decisin en el mbito
econmico. Ese anlisis heurstico se ha implementado tradicionalmente a travs de la aplicacin de
tcnicas estadsticas, tales como el anlisis multidiscriminante lineal o los diversos modelos de
variable de respuesta cualitativa (logit, probit, etc.).
Sin embargo todas estas tcnicas presentan limitaciones, pues parten de hiptesis ms o menos
restrictivas, que por su propia naturaleza la informacin econmica, y en especial los datos extrados
de los estados financieros de las empresas, no van a cumplir, perjudicando as los resultados

[15]

La aplicacin de tcnicas procedentes del campo de la Inteligencia Artificial surge como un intento
de superar esta limitacin, pues estas ltimas no parten de hiptesis preestablecidas y se enfrentan
a los datos de una forma totalmente exploratoria, configurndose como procedimientos
estrictamente no paramtricos.

En los epgrafes restantes se revisan las aplicaciones al campo del anlisis de la solvencia de los
diversos sistemas de Inteligencia Artificial. Las principales diferencias entre las mismas radican en la
forma en la que abordan el proceso de elicitacin, que es la fase en la cual se extrae el conocimiento
de las fuentes elegidas y, en este sentido, OLeary

[16]

indica que los sistemas inteligentes pueden

construirse a partir de dos enfoques:

Al igual que para desarrollar un sistema de informacin convencional existen varias metodologas de
desarrollo como la Ingeniera de la Informacin, tendencias estructuradas y orientadas a objetos, as
existen varias metodologas para desarrollar un sistema experto. Como ya sabemos el rea de sistemas
expertos es relativamente joven por lo cual no se dispone de una nica metodologa sino que cada autor
propone una de acuerdo a su forma de desarrollo. Sin embargo existen algunas que han tenido xito mas
que otras lo cual ha llevado a su mayor difusin.
Aqu solo mencionaremos algunas y mostraremos un esquema general de la metodologa con la cual
trabajaremos nosotros.

Metodologa de Buchanan

Metodologa de Grover

Metodologa de Brule

Metodologa de Blanque y Garca Martnez

Metodologa KADS

Ingeniera del Software,.. etc.

Estas son solo algunas encontradas en la bibliografa revisada. Para nuestro caso nosotros trabajaremos
con la Metodologa de Ingeniera del Conocimiento de Jhon Durkin, de la cual se muestra una breve
descripcin a continuacin:

Fase 1
Evaluacin

Reformul
acin

Requerimiento
Fase 2

Exploraciones

Adquisicin del
conocimiento
Conocimiento

Fase 3

Requerimientos

Diseo
Estructura
Fase 4
Prueba
Evaluacin
Fase 5
Documentacin
Producto
Fase 6
Mantenimiento

FASE 1: EVALUACIN
1.1 Motivacin para el Esfuerzo.
1.2 Identificar problemas candidatos.
1.3 Estudio de viabilidad.
1.4 Anlisis de Costo/Beneficio.
1.5 Seleccionar el mejor proyecto.
1.6 Escribir el proyecto propuesto.

FASE 2: ADQUISICIN DEL CONOCIMIENTO

2.1 Recoleccin del conocimiento.
2.2 Interpretacin.
2.3 Anlisis.
2.4 Diseo de mtodos para recolectar conocimiento adicional.

FASE 3: DISEO
3.1 Seleccionar Tcnica de Representacin del Conocimiento.
3.2 Seleccionar Tcnica de Control.
3.3 Seleccionar Software de Desarrollo de Sistema Experto.
3.4 Desarrollo de Prototipo.
3.5 Desarrollo de Interfase.
3.6 Desarrollo del Producto.

FASE 4: PRUEBAS
4.1 Validacin del Sistema.
4.2 Evaluacin de la Prueba/Evaluacin.

FASE 5: DOCUMENTACIN
5.1 Relacin de temas que deben ser documentados.
5.2 Organizacin de la documentacin.
5.3 Documentacin Impresa.
5.4 Documentacin en hipertexto.
5.5 Reporte Final

FASE 6: MANTENIMIENTO
6.1 Modificaciones probables del sistema.
6.2 Responsables de mantenimiento.
6.3 Interfaces de documentacin del mantenimiento
A continuacin se detallan cada una de las fases de desarrollo de un sistema experto de acuerdo
con Jhon Durkin:

FASE 1: DETERMINACIN DEL PROBLEMA

FASE 2: ADQUISICION DEL CONOCIMIENTO

Siguiendo las fases, la siguiente tarea es la adquisicin del conocimiento. Esta tarea es el desafo ms
difcil en el desarrollo de un sistema experto.

Procesos de Adquisicin de Conocimiento

La adquisicin del conocimiento es inherentemente un proceso cclico. Sigue las tareas de recoleccin del
conocimiento, su interpretacin y anlisis, y el diseo de mtodos para recolectar conocimiento adicional.
La recoleccin es la tarea de adquirir conocimiento del experto. Este esfuerzo requiere entrenamiento en
tcnicas de entrevistas. Adems requiere buenas habilidades de comunicacin interpersonal y la habilidad
para obtener la cooperacin del experto.
La interpretacin de la informacin recolectada envuelve la identificacin de piezas clave de
conocimiento, como conceptos, reglas, estrategias, etc.

El anlisis envuelve el estudio de las piezas clave del conocimiento destapado durante la tarea de
interpretacin. Este esfuerzo proporciona la visin de formar las teoras en la organizacin del
conocimiento y estrategias de solucin de problemas.
El diseo es la tarea de preparacin para el siguiente encuentro con el experto. Siguiendo la realizacin
de las tareas anteriores, se forma una nueva comprensin del problema. Este esfuerzo puede haber
expuesto nuevos conceptos que necesitan exploracin extensa. Las tcnicas de extraccin del
conocimiento son entonces escogidas para obtener esta informacin durante la prxima reunin.
Problemas con adquisicin de Conocimiento
Existen muchos problemas con la adquisicin del conocimiento que hacen de esta una tarea difcil.
Muchos de estos problemas puede remontarse a la dificultad en extraer conocimiento del experto.
Sin premeditacin de conocimiento.- A travs de la experiencia resolviendo un problema, un experto a
menudo compila el conocimiento de la solucin del problema en una forma compacta, la cual permite una
solucin eficiente del problema. Si el experto es preguntado para describir su mtodo de solucin de
problemas, l a menudo har saltos mentales sobre problemas importantes.
Incapacidad para verbalizar el conocimiento.- Muchas tareas son difciles de verbalizar debido a que
ellas fueron aprendidas mirando a otros individuos ejecutando estas tareas. Los esfuerzos de la labor
manual representan este tipo de tareas.
Proveer conocimiento irrelevante .- Muchas sesiones de extraccin pueden ser sostenidas con el
experto durante el proyecto. Despus de un tiempo, la cantidad de informacin recolectada puede estar
agobiando. Para hacer la materia mucho peor, mucha de esta informacin puede ser irrelevante para el
proyecto. La tarea es filtrar a travs de toda esta informacin y escoger slo los problemas importantes.

Proveer conocimiento incompleto.- Un experto a menudo puede proporcionar una descripcin

incompleta de sus procesos mentales. Si el problema es una simple omisin, la situacin puede ser

fcilmente corregida. Sin embargo, si ocurre porque el experto es inconsciente del conocimiento usado,
(problema de compilacin) el desafo puede ser mayor.

Proveer conocimiento incorrecto.- Un experto puede proporcionar conocimiento incorrecto porque l no

est informado o debido a un simple error durante la introspeccin. En cualquier caso, esto lleva a un
cuerpo incompleto del conocimiento en sistemas expertos.
Proveer conocimiento inconsistente.- El conocimiento proporcionado por el experto puede ser
inconsistente con cualquier declaracin. Este problema ocurre frecuentemente cuando el experto
proporciona una explicacin de sus estrategias de resolucin de problemas.

Esfuerzo del equipo cooperativo

El xito del proceso de extraccin del conocimiento depender grandemente de formar un equipo de
individuos que son hbiles y cooperativos. Cada miembro del equipo es responsable de tareas que
solapan tareas de otros. Una interaccin considerable puede esperarse y esto es importante para nutrir el
a veces frgil espritu de cooperacin.

Tcnica de entrevista
La tcnica de obtencin del conocimiento ms comn utilizada hoy en da en el diseo de sistemas
expertos es el mtodo de la entrevista. Esta tcnica envuelve una interaccin directa entre el experto y el
ingeniero del conocimiento, donde las preguntas son dadas para destapar el conocimiento. Para hacer
este productivo esfuerzo, la entrevista debe ser efectivamente manejada.
El manejo de la entrevista propiamente requiere que varios puntos sean dirigidos. Algunos de los bsicos
relacionan a los artculos como preparar la agenda, horario de la sesin, y preparar una lista de
materiales. Otros problemas son ms intangibles, pero importantes para el esfuerzo. Saber cmo
empezar, conducir y terminar efectivamente la entrevista son consideraciones importantes para adquirir la
informacin deseada y para mantener la cooperacin de los miembros del equipo. Tambin es importante
saber cmo hacer las preguntas de una manera que proporcionar la informacin deseada.
Existen diferentes tcnicas de entrevistas para ganar tipos ciertos de conocimiento y para evitar algunos
problemas tpicos asociados con la extraccin del conocimiento.

Anlisis de Conocimiento
Siguiendo la entrevista, la informacin recolectada necesita ser analizada. Los objetivos de este esfuerzo
son determinar qu fue aprendido y que problemas adicionales debe seguirse.
Normalmente una trascripcin es primero hecha de una grabacin de la sesin. Esta trascripcin es luego
revisada para identificar las piezas clave del conocimiento, conceptos, reglas, etc. Estas piezas de
conocimiento son luego analizadas para formar teoras en su organizacin y cmo ellas relacionan a lo
que ya es conocido sobre el problema. Tambin se agregan estas piezas de conocimiento a la
documentacin del proyecto de una manera discutida despus en este captulo.

Un alcance que puede ayudar a analizar el conocimiento recolectado es grabar la informacin recolectada
grficamente. Las representaciones grficas en la forma de mapas de concepto, redes de inferencia,
diagramas de flujo y rboles de decisin pueden ser de valor particular.

FASE 3: DISEO
Esta tarea comienza con la seleccin de la tcnica de representacin del conocimiento y la estrategia de
control. Es seguida con la seleccin de una herramienta de software que rene mejor las necesidades del
problema. Un sistema prototipo pequeo es luego construido para validar el proyecto y para proporcionar
una gua para el trabajo futuro. El sistema es

entonces extensamente desarrollado y refinado para

encontrar los objetivos del proyecto. Este proceso es estructurado de acuerdo a las siguientes tareas:
Tarea 1: Seleccionar Tcnica de Representacin del Conocimiento
Tarea 2: Seleccionar Tcnica de Control
Tarea 3: Seleccionar Software de Desarrollo de Sistema Experto
Tarea 4: Desarrollo de Prototipo
Tarea 5: Desarrollo de Interfase
Tarea 6: Desarrollo del Producto

TAREA 1: Seleccionar Tcnica de Representacin del Conocimiento

Se debe escoger una tcnica de representacin del conocimiento que mejor muestre la manera en que el
experto modela el conocimiento del problema mentalmente. Sin embargo, para razones prcticas, se
debe adems considerar los recursos y capacidades de la organizacin.
Un mtodo basado en frames es apropiado si el experto describe el problema referenciando los objetos
importantes y sus relaciones, particularmente si el estado de un objeto afecta a otro objeto. Esta situacin
es encontrada en problemas tipo simulacin o algunas donde las relaciones causales son importantes.
Otra seal que un mtodo basado en frame puede ser bien escogido es que el experto considere varios
objetos similares cuando resuelve el problema. Un sistema basado en frame puede razonar sobre objetos
similares usando solo unas pocas reglas del modelo de emparejamiento que trabajan a travs una clase
de objetos. Esto proporciona un mtodo eficaz al codificar los objetos y las reglas.
Un mtodo basado en reglas es conveniente si el experto discute el problema principalmente usando
declaraciones tipo IF/THEN.
El mtodo de la induccin es de valor si existen ejemplos pasados del problema. La induccin tambin es
apropiada si no existe ningn experto real en el problema, pero una historia de informacin del problema
est disponible que puede usarse para derivar los procedimientos de toma de decisin automticamente.

TAREA 2: Seleccionar Tcnicas de Control

El encadenamiento hacia adelante es apropiado si el experto primero recolecta informacin sobre el
problema y luego ve qu puede ser concluido.
El encadenamiento hacia atrs es una buena opcin si el experto primero considera alguna conclusin o
meta, luego intenta demostrarlo buscando la informacin de apoyo.
En este caso, el experto est principalmente interesado en demostrar alguna hiptesis o recomendacin.
Tambin, si el nmero de metas es mucho menor que la cantidad de posible data, entonces considera un
alcance de encadenamiento hacia atrs.
Paradigmas de Resolucin de Problemas
Otra manera para que usted pueda ganar la visin en escoger ambos, la tcnica de representacin de
conocimiento y la estrategia de inferencia es revisar lo que otras han hecho en el pasado en esfuerzos
similares.
Siguiendo estas mismas ideas, los diseadores del sistema experto escogen a menudo representacin
del conocimiento y tcnicas de control sobre la base del problema que resuelve el paradigma. Estas
opciones confan en los xitos del pasado.
Se han hecho los esfuerzos pasados para relacionar cada paradigma a varios caractersticas que pueden
ser deseables en el diseo del sistema experto (Gevarter 1987, Martin y Ley 1988.Lo siguiente muestra
una aproximacin del anlisis hecho de los proyectos de sistemas expertos anteriormente listados en el
Apndice C en un esfuerzo al elaborar cada

proyecto que resuelve el problema, inspeccin a la

representacin de conocimiento y las tcnicas de control que se emplearon. El resultado de este esfuerzo
se muestra en el siguiente esquema:
Tabla N 9: Tipo de problema versus inferencia y Representacin de Conocimiento
TIPO DE PROBLEMA VERSUS INFERENCIA Y REPRESENTACIN
DE CONOCIMIENTO
TIPO DE

HACIA ATRS
CONTROL
DISEO
DIAGNSTICO

REPRESENTACIN DEL
CONOCIMIENTO

INFERENCIA

BAJO
BAJO
ALTO

HACIA ADELANTE
ALTO
ALTO
BAJO

INFERENCIA

REGLAS

FRAMES

INDUCCIN

ALTO
AVG.
BAJO
ALTO
BAJO
BAJO
ALTO
MEDIO
MEDIO
REPRESENTACIN DEL
CONOCIMIENTO

TIPO DE PROBLEMA
HACIA ATRS
INSTRUCCIN
INTERPRETACIN
SEGUIMIENTO
PLANIFICACIN
PREDICCION

ALTO
MEDIO
BAJO
BAJO
MEDIO

HACIA ADELANTE
MEDIO
ALTO
ALTO
ALTO
ALTO

REGLAS

FRAMES

ALTO
ALTO
ALTO
ALTO
ALTO

MEDIO
BAJO
MEDIO
MEDIO
BAJO

INDUCCIN
BAJO
BAJO
BAJO
BAJO
ALTO

PRESCRIPCIN
SELECCIN

MEDIO
ALTO

MEDIO
BAJO

ALTO
ALTO

BAJO
BAJO

BAJO
MEDIO.

TAREA 3: Seleccionar Software para el desarrollo del sistema experto

Hay

una gran variedad de herramientas de software disponibles para el desarrollo de

un sistema

experto. Ellos van desde los lenguajes de programacin bsicos hasta los de desarrollo de alto nivel
(SHELLS).

TAREA 4: Desarrollo del Prototipo

Seleccionado el software de acuerdo a los requerimientos del proyecto, el desarrollo del sistema se
empieza. La mayora de proyectos de sistemas expertos empiezan el desarrollo construyendo un
prototipo de sistema pequeo. Un prototipo es un modelo del sistema final. Su estructura bsica, que
representa y procesa el conocimiento del problema, es igual al esperado en el sistema final. Aunque el
prototipo es slo una pequea

versin

del sistema final limita la habilidad propiamente si el dise

enva los propsitos siguientes al servidor.

Validacin de aproximacin del sistema experto.

Confirma opcin de tcnica de representacin de conocimiento y estrategias de control.

Proporciona una va de adquisicin de conocimiento.

Definir una estrategia global

Para iniciar el diseo del prototipo es necesario definir una estrategia global. Esta bsqueda es una serie
de tareas de nivel alto que el sistema necesitar realizar.
Definir Estructura de Conocimiento
Durante el desarrollo del prototipo usted debe crear un esquema de trabajo que se acomode los cambios
futuros.
Dar validez al Proyecto
En la primera fase, se hacen los esfuerzos para probar la base de conocimiento completa para la lgica y
consistencia. La naturaleza exhaustiva de esta prueba slo es posible al inicio del proyecto cuando la
base de conocimiento es pequea. Esta comprobacin destapa las deficiencias en el conocimiento y
bsqueda de razonamiento, y valida la opcin de la tcnica de representacin de conocimiento y de
desarrollo de software.
La segunda fase es probar es ms de una demostracin el sistema. Su propsito es quitar algn posible
escepticismo por el proyecto que podra sostenerse por los individuos dentro de la organizacin. Aunque
el sistema habr limitado la capacidad en su formulario del prototipo, una demostracin exitosa en algn
problema pequeo nutrir el apoyo por el proyecto.
En el futuro el prototipo madurar al punto dnde puede atacar los problemas reales que formen el
dominio. En esta fase de probar, se compara los resultados del sistema con aquellos del experto.

TAREA 5: Desarrollo de la Interfaz

Deben definirse las caractersticas tcnicas de la interfaz al principio del proyecto con la cooperacin del
usuario. El desarrollo de la interfaz debe empezar con el desarrollo del prototipo del sistema experto.
Las claves para un diseo eficaz de la interfaz son:

Consistencia

Claridad

Control

Colores de la pantalla

TAREA 6: Desarrollo del Producto

Durante el desarrollo del prototipo, se sostienen las sesiones de extraccin de conocimiento y se corren
las pruebas. Con cada refinamiento, la capacidad del sistema se mejora. En un modo evolutivo, el
prototipo del sistema empieza a asumir la forma del sistema final. No hay un punto fijo dnde esta
transicin ocurre; el prototipo evoluciona gradualmente hasta que el sistema sea completado.
Refinamiento del conocimiento
Una caracterstica bsica de un sistema experto es que gana su forma de poder de conocimiento. Esta
tarea implica ensanchar y profundizar el conocimiento.
El conocimiento es hecho ms ancho agregando nuevos conceptos. En los sistemas basados en reglas
cuando se agregan las reglas se agrega a este nuevo conocimiento. En los sistemas basados en frames,
el nuevo concepto se agrega generando un nuevo frame de la clase.
Ahondando el conocimiento involucra informacin adicional que apoya el conocimiento existente. En los
sistemas basados en reglas, este tipo de desarrollo se ha realizado agregando reglas que apoyan las
reglas existentes. En los sistemas basados en frames, se agregan los nuevos rasgos al marco existente.
Refinamiento del Control
Una versin temprana de un sistema experto normalmente incluye las estrategias de control simples.
Una opcin de encadenamiento dirigido hacia atrs o adelante podra hacerse, junto con un juego
pequeo de metas. sta es una manera buena de empezar el diseo, desde que al principio usted quiere
determinar si usted est entrando la direccin correcta. Con los beneficios del proyecto, se ver maneras
buenas de introducir las estrategias de control ms complejas.
Una rea dnde pueden esperarse refinamientos en el control del sistema est en la agenda de la meta.
La agenda de la meta proporciona una lista de metas que el sistema sigue en alguna sucesin del juego.
Durante el proyecto, usted puede encontrar una necesidad para agregar las metas a la agenda o refinar
existentes en tareas ms finas.
Usted tambin puede descubrir que la sucesin estricta de una agenda de la meta tambin est
reprimiendo la aplicacin. En este evento, se puede querer hacer las metas sensibles al contexto de la
sesin.

Esto puede lograrse a travs del uso de meta-regla.

Una meta-regla puede escribirse

establecer las nuevas metas o cargar otras bases de conocimiento sobre la base de la informacin
descubierta.

Aunque usted puede empezar con una sola opcin de encadenamiento dirigido hacia atrs o adelante,
usted puede encontrar una necesidad de cambiar entre ellos. Esta situacin normalmente ocurre si el
problema involucra varias tareas algunos de los cuales pueden manejarse bien por una de las tcnicas de
la inferencia. Cuando esto ocurre, usted debe estructurar varias bases de conocimiento, cada uno con su
propia tcnica de inferencia.

FASE 4: PRUEBA
Conforme prosigue el proyecto el sistema experto necesitar ser probado y evaluado peridicamente
para asegurar que su performance est convergiendo hacia las metas establecidas. Deben tomarse las
decisiones en que se probar, cmo y cundo las pruebas se dirigirn, y quin ser involucrado en las
pruebas. Es importante que estas decisiones se tomen temprano, en un momento cuando las metas del
proyecto originales se establecen.
El proceso de la evaluacin se preocupa ms por la aprobacin del sistema y aceptacin del usuario.

Validacin del sistema

Un sistema experto modela la decisin de un experto humano. Si se dise correctamente, el sistema
deriva los mismos resultados que el experto y razona de una manera similar al experto. Por consiguiente,
el esfuerzo de aprobacin debe dirigirse a lo siguiente:

Valide los resultados del sistema.

Valide que proceso razona el sistema.

Validar los Resultados

Durante la prueba, la informacin del problema se da al sistema experto y la recomendacin del sistema
se compara con resultados cedidos por un individuo llamado el "evaluador."
Hay tres consideraciones mayores al disear una prueba para validar los resultados de un sistema
experto:

La seleccin del criterio de la prueba.

La seleccin de los casos de la prueba.

La seleccin del evaluador.

FASE 5: DOCUMENTACIN
Como un proyecto de sistema experto maduro, la cantidad de conocimiento recolectado del experto crece.
Despus de un tiempo, debe encontrar la cantidad de informacin abrumadora. Para manejar esta
situacin, tendr que decidir temprano sobre algn mtodo para documentar efectivamente esta
informacin.

Si est propiamente diseado, esto tambin servir para las siguientes tareas de mantener el sistema y
escribir el reporte final del proyecto.
Qu necesita ser documentado?
Durante un proyecto de sistema experto, la informacin que usted necesita para retener y grabar en la
documentacin sirve para tres propsitos primarios:

Referencias para desarrollar el sistema experto.

Referencias para redactar el informe final.

Referencias para mantener el sistema experto.

Durante el esfuerzo de desarrollo, se necesitar volver a menudo a esta documentacin para grabar la
nueva informacin o estudiar previamente la informacin descubierta. Desde que muchos proyectos
requieren un reporte final de proyecto, la informacin grabada en la documentacin sirve como una fuente
valiosa para este esfuerzo. Siguiendo el despliegue del sistema experto, el sistema necesitar ser
mantenido. Para acomodar cada uno de estos esfuerzos, debe documentar lo siguiente:

Conocimiento

Grficos de conocimiento

Cdigo fuente

Pruebas

Transcripciones

Glosario de trminos especficos del dominio

Reportes.

FASE 6: MANTENIMIENTO
Muchos sistemas expertos contienen conocimiento que est evolucionando con el tiempo. La
organizacin que usa el sistema puede adquirir nuevos productos y equipos, o cambiar procedimientos
para trabajar con los recursos existentes. Este cambio declara modificaciones apropiadas requeridas al
sistema.
Conforme es usado el sistema experto, las deficiencias pueden tambin ser descubiertas. Los usuarios
pueden encontrar dificultad para usar el sistema, o pueden descubrir omisiones. Mantener cualquier tipo
de software puede ser costoso.
Dada la probabilidad de que necesita cambios el sistema y sus costos asociados, necesita ser establecido
un programa de mantenimiento efectivo para cada proyecto de sistema experto. Los usuarios necesitan
un camino para reportar problemas que ellos encuentran, y los individuos con habilidades de ingeniero de
conocimiento deben estar disponibles para hacer los cambios. Debe adems haber una manera para
manejar el esfuerzo del mantenimiento para asegurar que la tarea se logre efectivamente.
Los mayores temas a considerar al reunir un programa de mantenimiento de sistema experto son:

Documentacin

Pensar en el mantenimiento durante el diseo

Estructura Modular

Separar el conocimiento de la informacin

Meta Reglas

Problemas del Software

Habilidades de programacin

Portabilidad del sistema

Utilidades de modificacin

Acuerdo de mantenimiento

Quin mantiene el sistema?

Cambios del documento.

4.1 Las Redes Neuronales Artificiales

4.1.1 La Neurona Artificial
La neurona Artificial se puede representar como, un circuito elctrico que realice la suma ponderada
de las diferentes seales que recibe de otras unidades iguales y produzca en la salida un uno o un
cero segn el resultado de la suma con relacin al umbral o nivel de disparo.
La neurona artificial es un dispositivo elctrico que responde a seales elctricas. La respuesta la
produce el circuito activo o funcin de transferencia que forma parte del cuerpo de la neurona. Las
"dendritas" llevan las seales elctricas al cuerpo de la misma. Estas seales provienen de censores
o son salidas de neuronas vecinas. Las seales por las dendritas pueden ser voltajes positivos o
negativos; los voltajes positivos contribuyen a la excitacin del cuerpo y los voltajes negativos
contribuyen a inhibir la respuesta de la neurona.

4.1.2 Diferencias entre el cerebro y un ordenador

La diferencia ms importante y decisiva el cmo se produce el almacenamiento de informacin en el
cerebro y en el ordenador.
Ordenador: Los datos se guardan en posiciones de memoria que son celdillas aisladas entre s. As
cuando se quiere acceder a una posicin de memoria se obtiene el dato de esta celdilla. Sin que las
posiciones de memoria aldeanas s de por aludidas.
Cerebro: La gestin es totalmente diferente. Cuando buscamos una informacin no hace falta que
sepamos donde se encuentra almacenada y en realidad no lo podemos saber ya que nadie sabe
dnde guarda hasta hoy en ida el cerebro los datos.
Pero tampoco es necesario ya que basta con que pensemos en el contenido o significado de la
informacin para que un mecanismo, cuyo funcionamiento nadie conoce, nos proporcione
automticamente no solo la informacin deseada sino que tambin las informaciones vecinas, es
decir, datos que de una u otra manera hacen referencia a lo buscado.

Los expertos han concebido una serie de tecnicismos para que lo incomprensible resulte algo ms
comprensible. As a nuestro sistema para almacenar informacin se lo llama memoria asociativa.
Esta expresin quiere dar a entender que los humanos no memorizan los datos diseccionndolos en
celdillas, sino por asociacin de ideas; esto es, interrelacionando contenidos, significados, modelos.
En todo el mundo pero sobre todo en Estados Unidos y Japn, cientficos expertos tratan de dar con
la clave de la memoria asociativa. Si se consiguiera construir un chip de memoria segn el modelo
humano, la ciencia dara un paso gigante en la fascinante carrera hacia la inteligencia artificial. Y
adems el bagaje del saber humano quedara automticamente enriquecido.

4.1.2 Un superordenador llamado cerebro

El hombre necesita un sistema de proceso de datos de mltiple propsito capaz de tratar gran
cantidad de informacin muy distinta y en muy poco tiempo y con el mayor sentido prctico (pero no
necesariamente con exactitud), para inmediatamente poder actuar en consecuencia. Los
ordenadores, en cambio, son altamente especializados con capacidad para procesar con exactitud
informacin muy concreta (en principio solo nmeros) siguiendo unas instrucciones dadas.
El cerebro humano

[45]

posee mas de diez millones de neuronas las cuales ya estn presentes en el

momento del nacimiento conforme pasa el tiempo se vuelven inactivas, aunque pueden morir
masivamente.
Nuestro rgano de pensamiento consume 20 Vatios/hora de energa bioqumica

[46]

, lo que

corresponde a una cucharada de azcar por hora. Los ordenadores domsticos consumen una
cantidad semejante. Las necesidades de oxigeno y alimento es enorme en comparacin con el resto
del cuerpo humano: casi una quinta parte de toda la sangre fluye por el cerebro para aprovisionar de
oxigeno y nutrieres. La capacidad total de memoria es difcil de cuantificar, pero se calcula que ronda
entre 10 12 y 10 14 bits.
La densidad de informacin de datos de un cerebro todava no se ha podido superar artificialmente y
en lo que se refiere a velocidad de transmisin de datos, a pesar de la lentitud con que transmite
cada impulso aislado, tampoco esta en desventaja, gracias a su sistema de proceso en paralelo: la
informacin recogida por un ojo representa 10 16 bits por segundo.
Segn todos los indicios el cerebro dispone de dos mecanismos de almacenamiento de datos: la
memoria intermedia acepta de cinco a diez unidades de informacin, aunque solo las mantiene
durante algunos minutos. La memoria definitiva guarda las informaciones para toda la vida, lo que no
significa que nos podamos acordar siempre de todo. La memoria inmediata trabaja como una
espacie de cinta continua: la informacin circula rotativamente en forma de impulsos elctricos por
los registros. El sistema es comparable a la memoria dinmica de un ordenador, en la que la
informacin tiene que ser refrescada continuamente para que no se pierda. En cambio, la memoria
definitiva parece asemejare mas bien a las conocidas memoria de celdillas de los ordenadores. Se
cree que esta memoria funciona gracias a formaciones qumicas de las protenas presentes en el
cerebro humano.

Diferencias entre el cerebro y una computadora

Cerebro

Computadora

Sistema de datos de mltiple propsito capaz de

tratar gran cantidad de informacin en poco
tiempo pero no necesariamente con exactitud.

Sistemas altamente especializados con

capacidad para procesar informacin muy
concreta, siguiendo unas instrucciones dadas.

La frecuencia de los impulsos nerviosos puede La frecuencia de transmisin es inalterable y

variar.
esta dada por el reloj interno de la maquina.

Las llamadas sinapsis cumple en el cerebro la

funcin simultnea de varias compuertas (and, or,
not etc.)

Las compuertas lgicas tienen una funcin

perfectamente determinada e inalterable.

La memoria es del tipo asociativo y no se sabe

dnde quedara almacenada.

La informacin se guarda en posiciones de

memoria de acceso directo por su direccin.

Los impulsos fluyen a 30 metros por segundo.

En el interior de una computadora los

impulsos fluyen a la velocidad de la luz.

Dentro del mbito de las Ciencias de la Computacin la Inteligencia Artificial es una de las reas que
causa mayor expectacin, incluso dentro de la sociedad en general, debido a que la bsqueda para
comprender los mecanismos de la inteligencia, ha sido la piedra filosofal del trabajo de muchos
cientficos por muchos aos y lo sigue siendo.

Los mtodos tradicionales en Inteligencia Artificial que permitieron el desarrollo de los primeros
sistemas expertos y otras aplicaciones, ha ido de la mano de los avances tecnolgicos y las fronteras
se han ido expandiendo constantemente cada vez que un logro, considerado imposible en su
momento, se vuelve posible gracias a los avances en todo el mundo, generando incluso una nueva
mentalidad de trabajo que no reconoce fronteras fsicas ni polticas. Se entiende como un esfuerzo
comn.

De las diversas tcnicas, los sistemas expertos son la ms tradicional y la que tiene mayor
implantacin, especialmente en entidades financieras, que los utilizan para analizar el riesgo de
crdito etc., La mayor parte de los sistemas expertos estn basados en reglas de clasificacin, las
cuales se obtienen a partir de la experiencia acumulada por uno o varios expertos humanos. No
obstante, en los ltimos aos ha comenzado a aplicarse una nueva metodologa, los sistemas
basados en casos (case based reasoning), en los cuales el anlisis de cada nueva empresa se
realiza por aproximacin al caso ms parecido de los existentes en la base de conocimientos.

Las funciones que realiza un cerebro humano, son imitadas por la inteligencia artificial. Al igual que
las redes neuronales, se han formadas redes de comunidades que se relaciones a travs de la
electrnica, El Internet ayuda a mejorar las relaciones entre los grandes mercados del mundo, y es el
gran causante de la globalizacin.

La mayora de lo problemas a los que se van a aplicar los Algoritmos Genticos, son de naturaleza
no lineal, por lo que es mejor que sea la naturaleza sea nuestra gua para resolverlos. Aunque
intuitivamente pueda parecer la forma menos acertada.

Es importante entender que las herramientas de soporte a la toma de decisiones, son eso,
herramientas, y que la seleccin y uso, simplifican muchas operaciones y procesos en el negocio,
pero que los tomadores de decisiones son la piedra angular.

La inteligencia Artificial es una herramienta, que debe ser utilizada en todo tipo de organizacin ya sea en
el sector pblico o privado, para que sus ejecutivos tomen decisiones en forma oportuna y de manera
eficiente y la organizacin sea competitiva frente a la globalizacin y su entorno.

1.

Althoff, K. (1997): "Potential uses of case-based reasoning in the experience-based construction

of software systems.", kaiserslautern, Alemania. Proceedings of the 5th German Workshop in
Case-Based Reasoning, Centre for learning Systems and Applications, University of
Kaiserslautern.

2.

Althoff, K. (2001): "Case-Based Reasoning. Handbook of Software Engineering and Knowledge

Engineering.", kaiserslautern, Alemania. Fraunhofer Institute for Experimental Software
Engineering (IESE).

3.

Ball, R. y Foster, G. (1982): "Corporate financial reporting: a methodological review of empirical

research", Journal of Accounting Research, supplement, pp. 161-234.

4.

Bergmann, R. (1999) : "Developing Industrial Case Based Reasoning Applications. The INRECA
Methodology.", Berln, Alemania.

5.

Bonsn Ponte, E.; Escobar Rodrguez, T. y Martn Zamora, M.P. (1997b): "Decisin tree
induction systems. Applications in Accounting and Finance", en Sierra Molina, G. y Bonsn
Ponte, E. (Eds.): Intelligent Technologies in Accounting and Business, Huelva, pp. 191-211.

6.

Cuena, J. (1988): "Sistemas Inteligentes. Conceptos, Tcnicas y Mtodos.", Publicacin de la

Facultad de Informtica de la Universidad Politcnica de Madrid, Madrid, Espaa.

7.

Harmon, P. y King, D. (1988): Sistemas expertos. Aplicaciones de la Inteligencia Artificial en la

actividad empresarial, Daz de Santos, Madrid.Palazn Argelles, A. (1991): "Los sistemas
expertos como ayuda a las empresas", Direccin y Progreso, n 119, pp. 22-24.

8.

Laudon K, & Laudon, J (2004): "Sistemas de Informacin Gerencial", Administracin de la

Empresa Digital. Octava Edicin. Pag. 327

9.

Martn Marn, J.L. (1984): "El diagnstico de las dificultades empresariales mediante modelos de
mercado de capitales", Boletn de Estudios Econmicos, n 123, diciembre, pp. 621-635.

WEB SITES
http://www.lfcia.org/~cipenedo/cursos/scx/Tema2/nodo2-1.html
http://www.monografias.com/trabajos11/compil/compil.shtml
http://es.wikipedia.org/wiki/Algoritmo
http://www.inf.udec.cl/revista/ediciones/edicion8/Rbc.pdf
http://www.lcc.uma.es/~eva/asignaturas/lic/apuntes/1
http://www.5campus.com/leccion/IA
http://www.rutgers.edu/accounting/raw/aaa/aiet
http://aepia.dsic.upv.es/revista/datos.html
http://www.go.to/inteligencia_artificial